Killer_kali的博客

原创 SlowFast论文阅读笔记

slowfast阅读笔记

原创 第四章 时序电路

第四章 时序电路

原创 第二章 组合逻辑电路

第二章 组合逻辑电路

原创 概率论与数理统计B 重点/笔记梳理 第八章

概率论与数理统计B 重点/笔记梳理 第八章

原创 概率论与数理统计B 重点/笔记梳理 第七章

概率论与数理统计B第七章

原创 概率论与数理统计B 重点/笔记梳理 第六章

概率论第六章归纳总结

原创 指令系统对状态位总结

汇编语言中，指令对于6大标志位的影响小总结。

原创 概率论与数理统计B 重点/笔记梳理 第五章

概率论与数理统计B 重点/笔记梳理 第五章

原创 第一章 数字逻辑基础

第一章 数字逻辑基础文章目录第一章 数字逻辑基础一.常用数制机器转换二.进制转换1.二进制与十进制之间的转换(1)二进制->十进制(2)十进制->二进制2.二进制和八、十六进制之间的转换三.数值数据的表示四.常用的一些编码1.BCD码2.格雷码五.逻辑符号六. 逻辑函数的图形化简法（经常考）六. 逻辑函数的图形化简法（经常考）一.常用数制机器转换数制：我们都知道数字都可以表示为加权和number=∑i=0n−1wixinumber=\sum_{i=0}^{n-1}w_ix_inumb

原创 概率论与数理统计B 重点/笔记梳理 第四章

第四章 随机变量的数字特征文章目录第四章 随机变量的数字特征第一节 随机变量的数学期望第二节 方差第三节 协方差第一节 随机变量的数学期望反映了一组分布的平均情况。1.离散型：如果级数∑i=1∞xipi\sum_{i=1}^{\infty}x_ip_ii=1∑∞​xi​pi​绝对收敛，则该级数为X的数学期望E(X)。2.连续型：如果广义积分∫−∞+∞xf(x)dx\int_{-\infty}^{+\infty}xf(x)dx∫−∞+∞​xf(x)dx绝对收敛，则该积分为X的数学

原创 概率论与数理统计B 重点/笔记梳理 第三章

第三章 多维随机变量及其分布文章目录第三章 多维随机变量及其分布第一节 二维随机变量及其联合分布第二节 边缘分布第三节 相互独立的随机变量及条件分布一.独立性二.条件概率三.随机变量函数的分布本章重点研究二维随机变量的一些性质。第一节 二维随机变量及其联合分布1.对于二维随机变量的联合分布函数理解——就是概率密度函数在xOy平面上从第三象限的无穷处向(x,y)趋近求积分。2.二维离散型随机变量——直接画表然后求每一列、排的概率值就可以了。3.二维连续性随机变量：F(x,y)=P(X≤x,Y≤y

原创 概率论与数理统计B 重点/笔记梳理 第二章

第二章 随机变量与分布文章目录第二章 随机变量与分布第一节 随机变量第二节 离散型随机变量第三节 连续性随机变量第四节 随机变量函数的分布(这一节强烈推荐自己多做书上例题)第一节 随机变量1.随机变量的产生2.分布函数的定义以及二维分布函数的几何性质分布函数就是从负无穷慢慢地推向正无穷，看这个区间涵盖的概率是多少？3.分布函数的性质：单调不减规范性：0-1负无穷就是0，正无穷就是1右连续函数第二节 离散型随机变量1.单点分布：随机变量一直都是一个值P(X=c)=1P(X=c)

原创 概率论与数理统计B 重点/笔记梳理 第一章

第一章 随机事件及其概率第一节 随机事件及其运算1.必然现象和随机现象的概念。2.随机试验的特征，记为E(experiment)：重复性未知结果，已知可能结果3.随机试验每一个可能产生的结果为随机事件，简称为事件。随机试验每一个可能产生的基本事件集合为样本空间。4.基本事件、复合事件的概念。（结合离散数学中的来理解）5.随机事件之间的关系：包含、相等并和交差互斥(互不相容)——不交互逆(对立)——不交 and 并起来等于全集tips:互逆一定互斥，互斥不一定互逆第二节

原创 聊一聊mmdetection代码框架和自己对于目标检测的新理解

聊一聊mmdetection代码框架和目标检测文章目录聊一聊mmdetection代码框架和目标检测一.为什么要写这篇文章二.关于图像识别任务的共性1.图像分类2.语义分割3.目标检测三.mmdetection代码框架解析1.配置环境方面2.demo文件夹3.weights文件夹4.setup以及与setup相关的脚本5.训练(1)train.py(2)config6.总结一下四.结语阅读注意事项：本篇文章主要内容为我自己对于mmdetection工作原理的分析以及部分图像识别任务的个人看法，至于m

原创 双流网络学习笔记

1.视频理解学习笔记1.视频理解学习笔记1.1.视频理解概述1.2.双流网络的诞生1.3.双流网络论文讲解1.3.1.双流网络主要思想1.3.2.关于光流(Optical flow)1.3.3.双流法的继承1.3.4.双流神经网络的结构1.3.4.1.空间流神经网络1.3.4.2.时间流神经网络以及如何利用光流1.3.4.2.1.光流及其具体表示1.3.4.2.2.如何使用光流1.3.4.2.3.关于时间流卷积神经网络的输入1.3.4.3.最后的输出1.3.5

原创 机器学习-聚类分析之k-means算法

聚类分析之K-means算法文章目录聚类分析之K-means算法一.距离度量和相似度度量方法1.距离度量2.相似度二.K-means算法原理1.选取度量方法2.定义损失函数3.初始化质心4.按照样本到质心的距离进行聚类5.更新质心6.继续迭代 or 收敛后停止聚类分析是一类非常经典的无监督学习算法。聚类分析就是根据样本内部样本“子集”的之间的特征找到相似度最接近的一堆堆“子集”，将相似度最接近的样本各自分为一类。一.距离度量和相似度度量方法根据上面的阐述，这个特征找得好、找的合适，我聚类的效果也就可

原创 IBM-PC汇编语言程序设计-第二章：80x86计算机组织

8086计算机组织文章目录8086计算机组织一.微机的一般构成1.CPU2.主存储器3.输入输出设备4.系统总线二.Intel 8086/8088 CPU的功能结构三.Intel 8086/8088 CPU的寄存器以及功能1.通用寄存器(1)数据寄存器组成功能(2)指针寄存器组成功能(3)变址寄存器组成功能2.段寄存器3.指令指针组成功能4.标志寄存器组成功能(1)进位标志位(2)奇偶标志位PF(3)辅助进位标志位AF(4)零值标志位(5)符号标志位(6)溢出标志位(7) 单步标志位（Trace Flag

原创 Fast R-CNN、Faster R-CNN学习笔记

Fast R-CNN and Faster R-CNN文章目录Fast R-CNN and Faster R-CNN(一)Fast R-CNN一.Fast R-CNN概述1.回忆RCNN和SPPnet2.Fast-RCNN的主要优点二.Fast R-CNN算法结构和训练策略1.ROI pooling2.改用softmax3.Fine-tuning实现端到端的雏形4.多任务损失三.总结(二)Faster R-CNN一.Faster R-CNN的训练过程二.RPN结构（重点）1.RPN前向传播2.anchor

原创 RCNN学习笔记

RCNN模型文章目录RCNN模型一.RCNN概述二.overfeat模型2.RCNN的流程介绍3.RCNN步骤流程详解(1)候选区域(2)特征提取以及SVM分类器(3)非极大值抑制(NMS)(4)边界框回归4.RCNN的训练过程(1)预训练(2)微调(3)SVM分类器训练(4)bounding box回归器训练5.RCNN的优缺点总结(1)优点：(2)缺点：现在我们开始了解一些目标检测模型或者是目标检测方法、算法。我们之前提到过目标检测不同于图像分类，图像分类的方法基本上就是我们熟知的分类问题一种，但

原创 SPPnet学习笔记

SPPnet-object detection文章目录SPPnet-object detection一.概述二.提出理由三.拥有空间金字塔池化的深度网络1.卷积层和特征图2.映射3.SPP层四.总结本文主要针对SPPnet在目标检测领域的应用进行讲解，对于文本分类方面的词袋模型等知识不做过多讲解，所以说部分内容有所删减。一.概述SPPnet全称Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition，翻

原创 YOLOv1学习笔记

YOLOv1学习笔记文章目录YOLOv1学习笔记一.yolov1的提出二.yolov1的原理、思想(1)端到端的训练思想(2)encoder操作(3)decoder操作(4)原理思想总结三.网络设计和loss函数设计(1)网络设计(2)loss函数设计(1)object_loss(2)classification_loss(3)confidence_loss(4)noobject_loss四.训练结果五.总结yolov1作为yolo系列的开山鼻祖，对于新手而言容易上手，并且整体的思想容易理解。本节里，我

原创 深入目标检测原理学习笔记1

目标检测(object detection)学习笔记文章目录目标检测(object detection)学习笔记一.目标检测任务概述1.图像识别的任务2.图像识别的两种模式3.目标检测的定义4.目标检测中的位置信息5.目标检测技术发展历史以及基本算法分类6.目标检测的应用领域二.目标检测基础算法原理1.图像分类和目标定位(classification+localization)2.一个目标定位的实例——基于Dogvscat(1)数据集标注和生成(2)读取xml文件并且生成数据信息文件(3)数据预处理并制作

原创 conda环境配置+pip、conda包库管理+pytorch-gpu安装——三合一

环境配置-pytorch环境配置-pytorch一.何为环境？二.建立虚拟环境流程1.创建环境2.激活环境3.管理包库4.conda和pip换源(可选，创建环境之前完成)三.Cuda和CuDNN+安装gpu版本的pytorch1.查看可以安装的最高版本的cuda2.确定可以安装哪些cuda3.检测安装是否成功一.何为环境？其实对于一台电脑就是一个环境，在这个环境下你可以干任何事情，而不受外界影响。因此，环境就是一个可以隔离外界而容纳内部的一些属性或者操作—

原创 音频识别(Audio Classification)学习笔记

音频分类(audio classification)音频分类(audio classification)一.音频的定义以及音频三要素二.音频数据的存储方式三.关于音频的一些专业名词1.采样率2.采样位数3.比特率4.音频编码5.声道数6.码率7.音频帧8.音频格式四.python处理音频文件1.wave包处理音频并绘制模拟信号图2.音频数据的准备(1)wave文件的读入(torchaudio.load)(2)wave文件的声道统一化(3)wave文件的采样率

原创 PIL库之Image基础操作快速上手

PIL库基本操作快速入门PIL(pillow)——python的图像处理库1.如何读入一张图片？PIL(python Imaging Library，python图像处理库)提供了图像处理功能，包括图像的缩放、采集、选择、读入、写入等，其中最重要的模块为Image。接下来我们了解一下，PIL是如何通过Image模块读入图片的：from PIL import Imageimport matplotlib.pyplot as pltimg=Image.open('../img/leshan.jpg

原创 随手写的numpy实现一元线性回归(拟合三次函数)

import numpy as npimport matplotlib.pyplot as pltlearning_rate=1e-1 # 多次调整epochs=1000# input_features=1# input_size=1000(and sum)# output_features=1# output_size=1000(and sum)w=np.ones((1000,))b=np.ones((1000,))x=np.random.randn(1000,)y=np.

原创 随手写的numpy实现一元线性回归(拟合三次函数)

import numpy as npimport matplotlib.pyplot as pltlearning_rate=15 # 多次调整epochs=1000# input_features=1# input_size=1000# output_features=1# output_size=1000w=np.ones((1000,))b=np.ones((1000,))x=np.random.randn(1000,)y=np.array([xi**3 for xi

原创 numpy快速入门

Numpy Learningnumpy可以理解为"number’s analysis of python"。简而言之，就是python专门用于数学科学处理的一个包，支持矩阵运算。本文简单介绍和总结numpy的基础使用方法。Numpy Learning一.numpy基础1.numpy数组的创建以及array对象常用部分属性2.array数组提取元素3.numpy的数据类型4.array数组的形状改变5.array数组的组合6.array数组的分割7.array数组的属性8.arr

原创 数据分析与挖掘简单快速介绍

原创 利用pytorch完成BP神经网络的搭建

使用pytorch完成神经网络的搭建一.搭建一个最简单的BP神经网络BP神经网络前向传播:h=w1xy=w2hh=w1x\\y=w2hh=w1xy=w2himport torchimport matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfrom tqdm import tqdmimport time# 超参数定义(由于我们的隐藏层只有一层，所以可以直接定义为超参数

原创 神经网络（吴恩达机器学习系列课程）

神经网络引入：例子假如现在我们已知了一组房子规模-价格数据：如果我们要对其进行一个预测，很明显这就是一个简单的线性回归（以2维空间为例）的问题：我们首先随机给定一个w，b，那么就可以确定一条“可能满足这几个点的需求”的直线：y=ωx+by=\omega x +by=ωx+b然后利用最小二乘法作为我们的评判指标——也就是损失函数loss，j(θ)=1n∑i=1n(f(xi)−yi)2j(θ)是损失值xi就是样本yi就是真实标签值f(xi)是预测标签值j(\theta)=\frac

原创 第二章 矩阵

第二章 矩阵文章目录第二章 矩阵第一节 矩阵概念1.矩阵概念的引入2.矩阵与行列式的不同之处第二节 矩阵的线性运算、乘法以及转置运算一.矩阵加法二.数与矩阵相乘三.矩阵相乘四.转置矩阵五.矩阵的行列式(|A|、detA)第三节 逆矩阵一.定义二.伴随矩阵三.用逆矩阵求解线性方程组四.可逆矩阵的性质第四节 分块矩阵一.定义二.分块矩阵的运算第五节 矩阵初等变换一.变换类型（k!=0）二.初等矩阵三.用矩阵初等变换方法求可逆矩阵第六节 矩阵的秩一.k阶子式二.秩三.一些定理四.行阶梯形矩阵1.行阶梯形矩阵2.

原创 第一章 行列式

第一章 行列式文章目录第一章 行列式第一节 二、三阶行列式第二节 n阶行列式一.排列1.逆序2.对换二.n阶行列式（行列式计算法<1>）第三节 行列式的性质(行列式计算法——2)第四节 行列式展开一.子式 余子式 代数余子式二.定理（行列式计算法——3）第五节 克莱姆法则第一节 二、三阶行列式对角线法则：左上到右下，三个为正；右上到左下，三个为负。第二节 n阶行列式一.排列1.逆序​ 对于一个n级排列i1,i2,...,ini_1,i_2,...,i_ni1​,i2​,..

原创 大学物理第四章笔记——高等农林院校基础课程教程系列

第四章 静电场文章目录第四章 静电场第一节 电荷 库仑定律一.电荷及其性质二.库仑定律第二节 电场 电场强度一.电场二.电场强度三.场强叠加原理四.场强叠加原理的应用例题1例题2例题3例题4例题5例题6第三节 静电场中的高斯定律一.电通量1.电场线2.电通量3.高斯定律（特殊——一般）二.高斯定律的应用例题1例题2例题3————*补偿法*（同2理）例题4———

原创 Densenet复现过程

Densenet(121)复现一.Densenet简介​ 这部分就不说多了，复现过后，个人认为Densenet相较于Resnet，最大的优点就是进一步减少了信息的缺失。结构上的创新就有dense_block和trainsition_block等结构，有关于其的一些名词解释，都在我的代码中（英文太差，还请各位看官原谅）。二.复现过程(Based on 102flowers)数据准备部分from keras.preprocessing.image import ImageDataGenerator

原创 第十一章 曲面积分与曲线积分(同济高等数学A)

第十一章 曲线（面）积分文章目录第十一章 曲线（面）积分第一节 第一型曲线积分一.定义：二.性质（老三样）1.常值可加减性2.区间可加性3.同积分区域可比性三.物理意义和几何意义1.物理意义2.几何意义：四.对弧长的曲线积分的计算方式——“化参统一”法第二节 第二型曲线积分一.定义二.性质（老三样）三.计算方式（同第一型）四.两类曲线积分之间的联系第三节 格林公式一.格林公式1.单复连通区域2.单复连同区域的正向规定3.格林公式定理14.注意事项二.曲线积分与路径无关的条件1.要求2.条件3.定理第四节

原创 语义分割

语义分割简介一.定义首先，我们来将语义分割与其他类似的名词区别开：图像分类：识别图像中的内容——知道图像是什么物体识别检测：识别图像中的内容以及其位置——知道图像是什么、在哪里（通过的是**边界框**）语义分割：识别图像中存在的内容以及位置（通过像素点）也就是说，物体识别检测就是将图片进行**一部分一部分地分类**；而对于语义分割，是将图片进行一个像素一个像素地分类。对于语义分割，如果我们将计算机比作一个人，那么计算机语义分割的过程就相当于一个人将一张图片中的部分1识别为类1、部分2识别

原创 大学物理第三章笔记——高等农林院校基础课程教程系列

第三章 热物理学文章目录第三章 热物理学第一节 热力学第一定律（一）热力学系统与外界（二）状态参量与平衡态（三）准静态过程与非准静态过程（四）热力学第一定律第二节 热力学第一定律的应用一.等体过程（dV=0，V=C）（一）过程方程（二）热力学第一定律的具体形式（三）等体摩尔热容二.等压过程（dp=0 p=C）（一）过程方程（二）热力学第一定律的具体形式（三）等压摩尔热容三.等温过程（一）过程方程（二）热力学第一定律的具体形式四.绝热过程(dQ=0)（一）引入（二）过程方程以及推导(一个理想气体经过准静态的

原创 第十章 第二节 三重积分（同济版）

第二节 三重积分一.三重积分的概念引入——密度函数u(x,y,z)，在空间有限闭区域内分布着某种不均匀的物质，求其质量。我们还是那个思想——”无限分割近似求和取极限“那么：M=M1+M2+...+Mn=μ(x1,y1,z1)V1+μ(x2,y2,z2)V2+...+μ(xn,yn,zn)Vn=lim⁡λ→0∑k=1nμ(αk,βk,γk)ΔVkM=M_1+M_2+...+M_n=\mu(x_1,y_1,z_1)V_1+\mu(x_2,y_2,z_2)V_2+...+\mu(x_n,y_n,z_n

原创 第十章 第二节二重积分的计算（同济版）

第二节 二重积分的计算一.平面区域的表示——其实就是线性规划平面区域的表示{X型区域Y型区域平面区域的表示\left\{\begin{matrix}X型区域\\Y型区域\end{matrix}\right.平面区域的表示{X型区域Y型区域​1.X区域D区域可以表示为{a≤x≤bϕ1(x)≤y≤ϕ2(x)\left\{\begin{matrix}a\leq x \leq b\\\phi_1(x) \leq y \leq \phi_2(x)\end{matrix}\rig